資料分析之如何用資料？
光知道怎麼看資料，還是不成，你得熟悉這些資料拿到手上之後怎麼去用它，怎麼讓資料顯示出來它本身的威力來。最後總結下來有這麼幾個部分。
第一個部分，是看歷史資料，發現規律。以社群中的活動和電商中的促銷為例，這些都是常見的活動，活動做得好的話有意想不到的效果。在做這樣的活動，最好是拿到前一個月或者兩個月的歷史資料。對電商來說，從這裡面要去分析各個品類的銷售情況，那個品類銷量最大，那個品類銷量最小，每月或者每週的平均增長率和符合增長率是多少。通過原始資料把上面的這些指標分析出來之後，就可以看到哪些品類是優勢品類，不用促銷就可有很大的量，哪些是弱勢的品類等等，這樣可以確定出來拿那個品類出來做促銷。對於內容社群也是一樣，我們要從內容分類，和內容型別兩個維度上去看，找到數量少型別單一的分類，對於這些分類下的內容數量及質量都需要提高。
第二部分，是從歷史資料和現有資料中，發現端倪，找出問題所在。我們在工作中，每天都會接觸到大量的資料，但是大部分看資料就流於表面了。例如對於社群來說，很關注總註冊使用者數，每日登入使用者數，每日新使用者註冊數。這些資料不能說不可以看，但是更要看到最重要的資料點：每天有多少老使用者登入、每天釋出的內容中有多少能夠稱得上是優質的精品內容，這兩個資料決定著說這個社群的質量怎麼樣，對於內容社群來說，初期如果不重視質量建設，那麼等使用者到50W、100W之後再去看質量，已經有點晚了。還有一個是市場部門用的會很多，在市場宣傳過程中，我們會有很多廣告和連結放出去，每天要監測這些連結資料量，當出現數據波動非常大的時候我們應該怎麼去做，是要看到連結放置的媒體出現了問題，是不是對方做活動突然吸引了大量的人來，還要去看到我們的著陸頁面，是不是吸引使用者點選等等。資料就是我們的助手，幫助我們發現問題，同時順藤摸瓜找到問題的根源所在。這個能力是非常重要的，不管是不是做資料相關工作的人，都要能夠掌握。
第三部分，資料預測。通過分析資料，發現其中的規律，那麼則可實現資料驅動運營，驅動產品，驅動市場。例如，對電商來說，知道一年內每個月的各個品類的增長率，也清楚各月之間的影響情況，那麼按照這個量就可預測未來月度裡面交易量的增長情況，我們能夠達到什麼樣的水平。同時，在某個大型活動完結之後，不是立即看資料，要看活動結束後一個月後的資料，這樣才能看到多少使用者是因為活動的獎品過來，活動結束之後就走了，為什麼選一個月，因為在一個月內流失率什麼的就一目瞭然了。
第四部分，學會拆解資料。這個拆解資料在我看來有兩方面的維度一個是每年的資料指標怎麼去分拆到每個季度，或者每個月，這個有點績效驅動的意思了。另外一個就是說每天產品的運營資料，推廣資料或者銷售資料有很多，要會對這些資料進行拆分，知道每個資料都是來自哪些方面，增高或者降低的趨勢是什麼。
近幾年資料分析在網際網路領域非常受到重視，無論是社群型產品，工具類產品，還是電子商務，都越來越把資料作為核心資產。確實資料分析的越深，越能夠是在精細化的運營，在很多時候工作的重點才有據可依。但是要注意兩方面的問題：
1，不能唯資料論，資料有時候能夠反饋一些問題，但是也要注意到在有些時候資料並不能說明所有問題，也需要綜合各方面的情況整體來看。同時要有資料分析的'思維，不僅僅是網際網路行業幾乎所有的行業每天都會產生大量的資料。所以最重要的是有這種資料粉絲的思維，知道怎麼通過資料分析找出規律，發現問題，對將來做出預測及拆解。
2、找到適合自己產品的資料指標來。不同的產品特性，使用者使用習慣也都不一樣的，需要找到適合自己產品的指標引數而不是隨大流，不是簡單的PV、UV就可以了。例如對於內容型產品來說，每天的PV，UV是一個非常重要的指標。對於社群型網站來說，每天的登陸資料和進行有效操作的使用者則是需要關注的。而對於電子商務網站來說，訂單數及客單價是核心，但是於此同事轉化率和重複購買率則是需要同樣關注的。在移動網際網路上這種的資料引數更是多樣，最重要的是我們要學會通過自己使用者行為特徵來找出界定產品健康程度的標準，這樣能讓我們更好地觀察自己產品的好壞。
